simonw/llm-gemini

解決的問題

本專案提供 llm CLI 工具的外掛程式，讓使用者能無縫存取 Google 的 Gemini 模型系列。使用者可直接透過命令列與這些模型互動，管理 API 金鑰，並在不需撰寫自訂整合程式碼的情況下，利用進階的多模態功能。

工作原理

此外掛程式將 Gemini 模型整合至 llm 生態系中。安裝後，使用者設定 API 金鑰，即可使用 -m 標記呼叫各種 Gemini 模型（如 Gemini Flash 或 Gemma）。它支援多模態輸入，允許使用者附加圖片、音訊、影片，甚至 YouTube 連結作為提示的上下文。

適用對象

使用 llm CLI 工具並希望將 Google 的 Gemini 模型整合至工作流程中的開發者與進階使用者，特別是需要多模態分析或程式碼執行、Google 搜尋等伺服器端工具的使用者。

主要特色

• 多模態支援：可處理圖片、音訊、影片檔案，以及 YouTube 連結作為提示附件。
• 伺服器端工具：支援 CodeExecution（Python 沙箱）、GoogleSearch（接地）、URLContext（擷取網頁內容）。
• 結構化輸出：可透過 json_object 選項強制輸出 JSON 格式。
• 嵌入功能：支援多種 Gemini 嵌入模型，可設定向量維度（768、1536、3072）。
• 互動式聊天：與 llm chat 命令整合，支援對話式 AI。